【技術實現步驟摘要】
本專利技術屬于路面交通標線檢測，尤其涉及一種基于高效視覺變換的路面交通標線檢測方法。
技術介紹
1、隨著人工智能技術的快速發展，智能交通系統成為現代交通發展的重要方向。自動駕駛技術作為智能交通中的關鍵研究領域，得到了廣泛關注，并取得了顯著進展。路面交通標線的檢測與識別在自動駕駛系統中至關重要，直接影響車輛的決策過程。精準的標線檢測可為智能車輛提供實時的道路信息，從而提高道路交通安全性。同時高效的路面交通標線檢測技術不僅是智能交通系統的基礎需求，也是自動駕駛技術發展的重要支撐。
2、現有的路面交通標線檢測與識別的算法主要分為傳統算法和深度學習的算法，特別是深度學習的算法，其強大的特征提取和表達能力顯著提升了檢測精度。然而現有的深度學習的算法仍存在一些問題：首先，模型參數量的增加導致檢測速度下降，特別是在資源受限的邊緣設備上，模型的實時性和部署成本成為亟待解決的問題；其次，復雜的道路環境如低對比度、遮擋、多樣化背景進一步加劇了標線檢測的不穩定性，使得模型難以實現魯棒性表現。此外，處理小目標標線時，由于數據分布的不均衡，往往容易出現漏檢和誤檢問題，嚴重影響模型對小目標標線的檢測能力。同時，多尺度特征圖的有效融合能力不足，使得在不同分辨率下的特征表達存在信息丟失，進一步限制了模型在復雜場景中的檢測精度。
技術實現思路
1、針對現有技術的不足，本專利技術提供了一種基于高效視覺變換的路面交通標線檢測方法，其目的在于解決
技術介紹
中所提到的問題。
2、本專利技術提供了一種基
3、步驟s1：合并路面交通標線數據集，路面交通標線數據集包括若干個路面交通標線圖像，對合并后的路面交通標線數據集進行擴充和標注，得到擴充和標注后的路面交通標線數據集；
4、步驟s2：構建路面交通標線檢測模型，路面交通標線檢測模型由特征提取網絡、多尺度特征圖增強網絡和檢測頭組成；
5、特征提取網絡由高效視覺變換器網絡、快速空間金字塔池化塊和跨尺度像素級空間注意力塊組成，其中高效視覺變換器網絡由第一二維卷積塊、高效視覺變換器構建塊和高效視覺變換器下采樣塊組成，高效視覺變換器構建塊由第一深度可分離卷積塊、第一殘差塊、第一前饋神經網絡塊和局部窗口注意力機制塊組成；
6、多尺度特征圖增強網絡由雙向注意力融合塊、第二二維卷積塊、轉置卷積塊、點乘塊、增強型跨階段局部網絡特征提取塊和相加塊組成；
7、步驟s3：擴充和標注后的路面交通標線數據集輸入到特征提取網絡中進行特征提取，得到若干個多尺度特征圖；其中擴充和標注后的路面交通標線數據集中的若干個路面交通標線圖像，在高效視覺變換器構建塊中進行局部特征相關性計算和特征融合；
8、步驟s4：若干個多尺度特征圖輸入到多尺度特征圖增強網絡中進行特征融合，得到若干個增強后的多尺度特征圖；其中若干個多尺度特征圖在雙向注意力融合塊中進行特征選擇性強化；
9、步驟s5：若干個增強后的多尺度特征圖輸入到檢測頭中進行檢測和分類，得到最終檢測結果。
10、進一步地，步驟s1包括以下步驟：
11、步驟s101：將ceymo數據集和vpgnet數據集合并，篩選符合路面交通標線標準的路面交通標線圖像，對符合路面交通標線標準的路面交通標線圖像進行類別分類，得到合并和篩選后的ceymo數據集與vpgnet數據集，其中ceymo數據集和vpgnet數據集均是一種路面交通標線數據集；
12、步驟s102：統計合并和篩選后的ceymo數據集與vpgnet數據集中每個路面交通標線圖像的類別中的路面交通標線圖像的數量，識別路面交通標線圖像數量不足的類別；
13、步驟s103：收集若干個與路面交通標線圖像數量不足的類別為相同類別的路面交通標線圖像，人工標注收集的若干個路面交通標線圖像，得到擴充和人工標注后的ceymo數據集與vpgnet數據集。
14、進一步地，步驟s3中，擴充和標注后的路面交通標線數據集輸入到特征提取網絡中進行特征提取，得到若干個多尺度特征圖；包括以下步驟：
15、步驟s301：擴充和標注后的路面交通標線數據集輸入到特征提取網絡中的高效視覺變換器網絡，高效視覺變換器網絡包括四個第一二維卷積塊、三個高效視覺變換器構建塊和兩個高效視覺變換器下采樣塊；在高效視覺變換器網絡中，若干個路面交通標線圖像輸入到四個第一二維卷積塊中進行下采樣和特征提取，得到若干個第一多尺度特征圖；然后輸入到第一個高效視覺變換器構建塊中進行局部特征相關性計算和特征融合，得到若干個第二多尺度特征圖；再輸入到第一個高效視覺變換器下采樣塊中進行下采樣和特征融合，得到若干個第三多尺度特征圖；然后輸入到第二個高效視覺變換器構建塊中進行局部特征相關性計算和特征融合，得到若干個第四多尺度特征圖；再輸入到第二個高效視覺變換器下采樣塊中進行下采樣和特征融合，得到若干個第五多尺度特征圖；然后輸入到第三個高效視覺變換器構建塊中進行局部特征相關性計算和特征融合，得到若干個第六多尺度特征圖；
16、步驟s302：若干個第六多尺度特征圖輸入到特征提取網絡中的快速空間金字塔池化塊，得到若干個第七多尺度特征圖；
17、步驟s303：若干個第七多尺度特征圖輸入到特征提取網絡中的跨尺度像素級空間注意力塊，得到若干個第八多尺度特征圖，第八多尺度特征圖為32倍下采樣多尺度特征圖。
18、進一步地，步驟s301中，若干個第一多尺度特征圖輸入到第一個高效視覺變換器構建塊中進行局部特征相關性計算和特征融合，得到若干個第二多尺度特征圖，包括以下步驟：
19、高效視覺變換器構建塊由兩個第一深度可分離卷積塊、五個第一殘差塊、兩個第一前饋神經網絡塊和局部窗口注意力機制塊組成；若干個第一多尺度特征圖輸入到高效視覺變換器構建塊中的第一個第一深度可分離卷積塊，捕捉局部特征，再輸入到第一個第一殘差塊中融合輸入特征和輸出特征；然后輸入到第一個第一前饋神經網絡塊中增強特征表達，再輸入到第二個第一殘差塊中融合輸入特征和輸出特征，然后輸入到局部窗口注意力機制塊中進行局部特征相關性計算，再輸入到第三個第一殘差塊中融合輸入特征和輸出特征，最后依次輸入到第二個第一深度可分離卷積塊、第四個第一殘差塊、第二個第一前饋神經網絡塊和第五個第一殘差塊中，進行特征進一步提取和整合，得到若干個第二多尺度特征圖。
20、進一步地，步驟s301中，若干個第二多尺度特征圖再輸入到第一個高效視覺變換器下采樣塊中進行下采樣和特征融合，得到若干個第三多尺度特征圖，具體步驟為：
21、高效視覺變換器下采樣塊由三個第二深度可分離卷積塊、四個第二殘差塊、兩個第二前饋神經網絡塊和壓縮與激勵注意力機制塊組成；若干個第二多尺度特征圖輸入到高效視覺變換器下采樣塊中第一個第二深度可分離卷積塊，捕捉局部特征，再輸入到第一個第二殘差塊中融合輸入特征和輸出特征，然后輸入到第一個第二前饋神經網絡塊中增強特征表達，再輸入本文檔來自技高網...
【技術保護點】
1.一種基于高效視覺變換的路面交通標線檢測方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于，步驟S1包括以下步驟：
3.如權利要求2所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于，步驟S3中，擴充和標注后的路面交通標線數據集輸入到特征提取網絡中進行特征提取，得到若干個多尺度特征圖；包括以下步驟：
4.如權利要求3所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于，步驟S301中，若干個第一多尺度特征圖輸入到第一個高效視覺變換器構建塊中進行局部特征相關性計算和特征融合，得到若干個第二多尺度特征圖，包括以下步驟：
5.如權利要求4所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于，步驟S301中，若干個第二多尺度特征圖再輸入到第一個高效視覺變換器下采樣塊中進行下采樣和特征融合，得到若干個第三多尺度特征圖，具體步驟為：
6.如權利要求5所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于，步驟S4包括以下步驟：
7.如權利要求6所述
8.如權利要求7所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于：步驟S5中的檢測頭的檢測路線分為第一分支和第二分支，若干個增強后的多尺度特征圖經過第一分支處理得到若干個路面交通標線圖像的邊界框位置，若干個增強后的多尺度特征圖經過第二分支處理得到若干個路面交通標線圖像的類別概率；
9.如權利要求8所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于：若干個增強后的多尺度特征圖經過第一分支處理得到若干個路面交通標線圖像的邊界框位置，若干個增強后的多尺度特征圖經過第二分支處理得到若干個路面交通標線圖像的的類別概率，具體步驟為：
10.如權利要求9所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于：步驟S5中，若干個增強后的多尺度特征圖輸入檢測頭中進行檢測和分類，使用損失函數作為分類損失函數，損失函數為二元交叉熵函數引入滑動平均、自適應加權以及動態損失權重調整機制。
...【技術特征摘要】
1.一種基于高效視覺變換的路面交通標線檢測方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于，步驟s1包括以下步驟：
3.如權利要求2所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于，步驟s3中，擴充和標注后的路面交通標線數據集輸入到特征提取網絡中進行特征提取，得到若干個多尺度特征圖；包括以下步驟：
4.如權利要求3所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于，步驟s301中，若干個第一多尺度特征圖輸入到第一個高效視覺變換器構建塊中進行局部特征相關性計算和特征融合，得到若干個第二多尺度特征圖，包括以下步驟：
5.如權利要求4所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于，步驟s301中，若干個第二多尺度特征圖再輸入到第一個高效視覺變換器下采樣塊中進行下采樣和特征融合，得到若干個第三多尺度特征圖，具體步驟為：
6.如權利要求5所述的基于高效視覺變換的路面交通標線檢測方法，其特征在于，步驟s4包括以下步驟：
...
【專利技術屬性】
技術研發人員：曾紀國，汪婷，張磊，劉聰，劉江南，宗詩萌，楊波，
申請(專利權)人：江西師范大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。